Академический Документы
Профессиональный Документы
Культура Документы
30/01/02
Optimisation: gnralits
L optimisation ne remplace pas une bonne conception Elle reprsente une aide
Pour respecter certaines contraintes du cahier des charges Pour amliorer le produit (dure de vie, fiabilit, cot de fabrication)
30/01/02
Optimisation: gnralits
Il faut tre capable
d exprimer un critre objectif d optimalit. de choisir les paramtres de conception. De dfinir un espace admissible pour les variables de conceptions et pour la rponse de la structure la sollicitation
Optimisation: gnralits
La qualit de l optimisation dpend
du choix de la formulation de l objectif du choix de la formulation des contraintes de la qualit de la modlisation
Critres d optimalit
S.M.F. : Simultaneous Mode of Failure
Chaque composant d une structure doit tre sa limite d utilisation ( dformation irrversible, rupture, flambement)
30/01/02
PROGRAMMATION MATHEMATIQUE Optimisation = Recherche du minimum (maximum) d une fonction objectif des variables de conception soumises des limitations sous forme d galits ou d ingalits (relations de contrainte).
LP (linear programming) Objectif et relations de contraintes linaires. QP (Quadratic programming) Objectif quadratique, contraintes linaires.
30/01/02 Option "Vibrations des structures"
Design Variables
Difficult de prise en compte:
Niveau de remise en cause de la modlisation:
ex: matriau : E, sections de poutre (S, I) paisseur de plaques gomtrie, taille, nombre et disposition d lments profils standard
Option "Vibrations des structures"
+/-facile
difficile
Fonction Objectif/Cot/Mrite
Fonction scalaire des variables de conception; La minimisation (maximisation) de cette fonction reprsente l objectif de l optimisation. Si plusieurs objectifs sont poursuivis (reprsents chacun par une fonction Fi( x ) minimiser, il convient de dfinir un objectif global somme pondre des objectifs partiels:
FG(x) = ai . Fi(x)
30/01/02 Option "Vibrations des structures"
Fonction Objectif
Proprits:
Explicite / Implicite vis vis des variables de conception ( intervention de variables d tat) Linaire / Non linaire Convexe (localement ou globalement)
F(x) Y(x) x1
30/01/02
F(x)
xc
x2
xc [x1, x2 ]
y(xc) F(xc)
Relations de contraintes/Limitations
Restriction d admissibilit (i=1,nr)
hi( x ) = 0 gi( x ) 0 galit ingalit
Les contraintes sont explicites (exprimes l aide des variables de conceptions) ou implicites (exprimes l aide des variables d tats) un jeu de variables est dit admissible (feasible design) s il respecte les relations de contraintes.
30/01/02 Option "Vibrations des structures"
Exemple
e H1 H2 F
Exemple
30/01/02
Mthodes globales
Estimation (polynomiale) de la fonction objectif Fobj(x) partir d un certain nombre de jeux de var. de concept.: xi, i=1n Fest(x) (explicite)
recherche du jeu de var x minimisant Fest : xest itration: calcul avec xest ; rvaluation de Fest
30/01/02
Mthodes locales/globales
Mthodes locales
ncessite l valuation des drives de la fonction objectif et des contraintes par rapport aux variables de conception. =>limitation sur la nature des variables de conception drives exactes =>ncessite code E.F. adapt drives approches par diffrences finies =>nombreux calculs pour cette estimation
30/01/02
Mthodes globales
L estimation de la fonction objectif ncessite un nombre de calculs proportionnel au nombres de var. de conception => faible nombre de var. de conception pas de calcul de drives de la fonction objectif et des contraintes par rapport aux variables de conception =>pas de limitation sur la nature des variables de conception
Mthodes locales/globales
Mthodes locales
risque de converger vers un minimum local
Mthodes globales
le risque de converger vers un minimum local est minimis par le lissage de la fonction objectif par la fonction objectif estime.
Fobj xO1
x02
x
=> ncessit d utiliser plusieurs jeux diffrents de variables initiales
30/01/02 Option "Vibrations des structures"
Mthode locale
Fobj xinit xI xII Minimum local xIII x2 x1
30/01/02
Minimum absolu/global
Option "Vibrations des structures"
t k 2 m u .( . x )u x 2 ; x = t u .m.u
= c kj .uj
j=1
Mthode globale
Fobj Fest1 Fest2 Fest1 Fest2
X
x2opt
30/01/02
x1opt
Multiplicateur de Lagrange
Contraintes d galit F(x) minimum hj(x)=0 j=1,nc (1) Lagrangien: L(x,)=f(x)-j.hj(x) (1)<=>L(x,) stationnaire soit: nc
L xi
f xi
.
j =1
hj L j xi = O et j
= hj ( x )
Contraintes d ingalit
introduction de variables fictive tj transformant les contraintes d ingalit en contraintes d galit: gj(x)<=0 <=> gj(x)-tj2=0
30/01/02 Option "Vibrations des structures"
Condition de Kuhn-Tucker
L(x,t,)=f-j.(gj-tj2) L stationnaire <=>
L x i L tj
f x i
j=1 j.
nc
gj xi = O;
L j
2 = gj(x) + tj = 0
= 2.j.tj = 0
Algorithme de rsolution
L.P. NLP mthode du simplex
gradient conjugu, line search (calcul du gradient) Newton (calcul de la hessienne)
Approximations successives
SLP : sequential linear programming SQP : sequential quadratic programming
30/01/02
Rferences
Numerical Optimization Techniques for Engineering Design: With Applications, Vanderplaats, McGraw-Hill Elements of structural optimization, R.T. Haftka Z. Grdal, Kluwer Academic Publisher Optimization toolbox, T. Coleman, M.A. Branch, A. Grace, Matlab
30/01/02 Option "Vibrations des structures"